英偉達的2016：先發優勢讓它收割了人工智慧紅利

2016年，英偉達創造了納斯達克盤中最好成績，股價從31.8美元升至106.7美元，漲幅達228.7%。

最高漲幅達到277%，前三季度利潤9.91億美元，同比增長144%。

看到這組數字，你就不難理解為什麼總有人質疑——「 這一波的人工智慧熱潮，英偉達就是幕後推手之一」 。

不過回歸理性而言，筆者不太相信一家公司能夠造出這麼大的風口。

英偉達的股價飆升，一是因為靚麗的財報，二是它提供了在未來的人工智慧社會中扮演基礎架構角色的想像空間。

這一年，英偉達在人工智慧技術層面的發展實際上還是按部就班。

其股價躥升，在一定程度上，反映了應用層面（自動駕駛汽車等）的推進帶給資本市場的信心。

• 第一，人工智慧成為全民熱議的焦點，從科技巨頭到創業企業，對深度學習的投入力度都不斷增加

• 第二，無人車達到L3，特斯拉等先發者持續投入，傳統廠商也入局者甚眾。
  
  兩者對GPU的需求量大增。
  
  

因此，英偉達才一躍而成資本市場炙手可熱的新貴。

而所謂踩中了風口，就是當下火熱的市場需求與前瞻性業務布局的完美契合。

在人工智慧方面，2016年最火熱的不外乎是深度學習（技術層面）和無人駕駛（應用層面）。

而在英偉達的AI布局上，2016年之前就把重點放再深度學習和無人駕駛兩個方面。

進入到2016年後，英偉達還是延續這個策略，繼續深耕這兩個領域。

目前，在全世界範圍內有大約 3000 家人工智慧公司，大部分都通過英偉達的平台來開發自己的業務。

他們使用英偉達的 GPU 來滿足應用中的人工智慧需求，這些應用包括股票交易、在線購物和無人駕駛等等。

2016英偉達的「人工智慧成績單」

2012年，「深度學習三巨頭」之一Geoff Hilton的學生Alex Krizhevsky，將 120 萬張圖片輸入一個英偉達GeForce顯卡驅動的深度學習神經網絡，識別圖片的誤差率從之前的25%降到15%。

這些科技成果引發業界震動。

谷歌、微軟、Facebook 和亞馬遜紛紛開啟了深度學習研究項目。

也是從這時起，英偉達決定重金投資帶有 CUDA 的重點軟體生態系統。

現在，英偉達憑藉GPU先天性地更適合於深度學習的高並行計算，以及入局深度學習、無人駕駛的先發優勢，在人工智慧的浪潮中占據了明顯的優勢。

研發深度學習的產品，無論是科技巨頭和創業企業，英偉達的人工智慧晶片已經成為標配。

百度、谷歌、Facebook、微軟、IBM等科技巨頭，研發深度學習都會配置英偉達的GPU。

谷歌Deepmind開發的AlphaGo身上就連接了170塊GPU。

在深度學習的領域裡，最重要的是數據和運算。

誰的數據更多，誰的運算更快，就會占據優勢。

因此，在處理器的選擇上，運算速率更快的GUP就會成為更好的選擇。

而英偉達在 GPU 市場上擁有無可撼動的霸主地位，占據了這塊市場份額的 70%，並且還在擴展新市場。

據英偉達官網數據顯示，2016年， 將英偉達產品用於深度學習的機構接近兩萬家，相當於2014年的13倍。

醫療、生命科學、教育、能源、金融、汽車、製造業以及娛樂業等諸多行業均將得益於海量數據的分析。

圖片源自英偉達官網

今年8月，黃仁勛在投資人會議上強調，深度學習是英偉達十分重要的增長動力，也是公司一直持續大力投資的領域：

「過去5年來，我們一直默默投資深度學習，因為我們相信深度學習未來對整個軟體產業、整個計算機產業都有著深遠的影響，我們把一切都賭在了深度學習上。

」

布局：從底層到終端，面面俱到

對公司的定位上，黃仁勛宣稱英偉達是一家人工智慧公司。

從核心的產品來看，2016年英偉達發布了Pascal架構的Tesla P4&P40，以及TeslaP100深度學習晶片。

其中，Tesla P4&P40主要負責圖像、文字和語音識別，而Tesla P100主攻學習和訓練任務。

在今年年初的CES上，公司還發布了Drive PX2車載電腦，這款產品會配備在特斯拉的新一代量產車上。

此外，在2016年4月的 GTC（GPU技術大會）上發布的NVIDIA DGX-1，配備了Tesla P100 GPU，夠快速設計深度神經網絡 (DNN)，運行速率是之搭載舊版GPU系統的12倍。

英偉達稱其為世界上首款專為深度學習而打造的系統。

從底層架構到終端應用，英偉達都有了較為全面的布局。

從財務數據上看，根據英偉達2016前三季度同期營收對比，在遊戲、專業可視化、數據中心、智能汽車、OEM&IP五項業務中，數據中心和智能汽車同期增長比例最大，數據中心同比增加120.7%，智能汽車同比增加58.1%。

這兩項業務都與人工智慧有關。

在同期業務所占比重當中，數據中心和智能汽車的占比也在增大。

雖然，遊戲依然占最大的比重大，但是人工智慧帶來的前景卻更讓人期待。

應用層：亮點就是「無人駕駛」

在應用層面的布局上，英偉達最看重的就是自動駕駛。

在2015年和2016年的CES，英偉達幾乎只講了一個主題——車載計算平台Drive PX/PX2。

在CES2017上，自動駕駛也是重磅內容。

而英偉達之所以看重無人駕駛領域。

一來是因為無人駕駛是目前唯一大規模的應用場景，二來，是因為無人駕駛也是充分展現實力的試金石。

而在這個領域的布局速度上，英偉達同樣先於競爭對手。

早在2014年1月，英偉達就發布了Tegra K1移動處理器。

英偉達稱其適用於智慧型手機、平板電腦和自動駕駛汽車。

同年10月，搭載Tegra K1處理器的Tesla新款Model S開始量產，英偉達成為第一個享受到自動駕駛紅利的廠商。

同年5月，DRIVE PX自動駕駛平台發布。

而2016年，英偉達並沒有採取多麼出其不意的舉措，基本從技術升級及廠商合作兩個方面入手。

不同的是，今年AI概念變得更加火熱，而與此同時智能駕駛也逐漸成熟，這些客觀因素讓英偉達收割了更多的紅利，也讓公司站在了聚光燈之下。

2016年，除了特斯拉這個老朋友外，百度、沃爾沃也跟英偉達達成了合作，他們都將生產搭載DRIVE PX 2的智能駕駛汽車。

而在剛剛結束的2017CES展會上，英偉達又秀了一把『』肌肉"，誇張點甚至可以說是英偉達的個人秀，完全搶了微軟谷歌們的風頭。

期間，CEO黃仁勛親自站台，發布了多款無人駕駛產品。

其中，最重要的便是新一代自動駕駛計算機Xavier。

該計算機具有機器學習功能、自動巡航功能（包括高速公路自動駕駛和高清製圖），能夠實時了解周邊情況、在高精度地圖上精確定位，以及規劃安全行車路線。

除了Xavier之外，英偉達還展示了人工智慧協同駕駛系統AI Co-Pilot，該系統具有人臉識別、頭部追蹤、視線追蹤、讀唇等功能，能在行車中輔助駕駛者，提高駕駛安全性與便利性。

英偉達甚至自己還推出了首台無人駕駛汽車BB8（名字來源於星球大戰中的球形機器人）。

此外，英偉達還一口氣宣布了眾多合作夥伴，包括車內定位和導航產品及服務品牌Tom Tom、全球汽車零部件巨頭采埃孚、汽車雷達及晶片供應商博世和汽車製造商奧迪。

在自動駕駛市場，Google、蘋果、微軟等科技公司都在建立自己的汽車生態體系。

不過智能汽車對於他們來說都不是核心業務。

最重要的是，他們沒有真正進入汽車供應鏈體系。

與之相反，英偉達的Drive PX系列自動駕駛解決方案，已經進入了汽車的上游供應鏈中，並創造了利潤。

但這也意味著英偉達將在汽車晶片市場與英特爾、高通、恩智浦、瑞薩電子等公司正面碰撞。

自動駕駛的風口讓英偉達在汽車市場從「邊緣人」變成了挑戰者。

隨著特斯拉Model S等備受矚目的車型更加智能化與多媒體化，英偉達有了彎道超車的機會，並有望在汽車產業的上游供應鏈占據更有優勢的地位。

當前，CPU與GPU在車內的應用，主要停留在車機（娛樂信息系統）層面，還沒上升到整車的控制中心級別。

99%的車型，也並不需要英偉達Drive PX2這個級別的運算能力。

因此英偉達在汽車供應鏈中「彎道超車」的機會必定與無人駕駛的發展捆綁在一起。

其他應用場景也有英偉達的「身影」

除了無人駕駛之外，英偉達在無人機和醫療等方面也有所布局。

不過在無人機方面，2016年英偉達並沒有大動作，只在年初上市了新一代晶片Jetson TX1。

這款面向消費級無人機市場的產品在2015年11月發布，可以掃描周圍環境的可疑情況，並且在叢林搜索和救援行動中自行導航。

而老客戶博瑞已經在第二代無人機上搭載了Jetson TX1。

它的第一代無人機也搭載了英偉達的晶片（Tegrak K1）。

不過相比於英特爾而言，英偉達對無人機市場的興趣遠不像汽車那麼大。

在醫療領域，英偉達也做了嘗試。

2016年4月的2016 GTC（GPU技術大會）上，英偉達宣布成為麻省總醫院臨床數據科學中心的技術合作夥伴，將利用中心現有的100億份醫學影像，進行深度學習訓練開發，並最終用於疾病的檢測、診斷、治療等諸多方面。

同年11月，英偉達宣布與美國國家癌症研究所、美國能源部等聯手啟動「癌症探月」(Cancer Moonshot)計劃，決心利用深度學習推進癌症研究。

值得注意的是，在CES2017上，黃仁勛也在主題演講中宣布，英偉達將進軍智能家居的語音識別領域。

目前，Google的語音助手只能與Google Home家庭智能語音設備，及Pixel智慧型手機進行匹配。

但英偉達將推出的流媒體設備Shield TV將成為第一個Google Assistant 使用的非Google研發產品。

由於英偉達此前的大多數產品都不直接面向C端，因此，這可以說英偉達在C端小型產品的一個初步嘗試。

英偉達PK英特爾

這一年，除了技術和應用層面的發展之外。

英偉達和英特爾的「口水戰」也頗值得注意。

刨除相互攻擊的瑣碎細節外，其爭端主要還是圍繞「發展戰略」開始的。

黃仁勛曾表示：「目前我不太理解他們的戰略，但我們的戰略應該說非常美好而清晰的：那就是GPU。

」 也就是說，英偉達希望成為一個基礎廣泛的計算平台公司，可以讓世界各地的開發者使用。

而英特爾與之相反，它希望給每一個細分的領域提供專屬的晶片。

錯失先發時機的英特爾選擇這條路可能多少有些無奈，但是兩者的口水戰中，英特爾並不覺得自己處於下風。

他們認為GPU之所以廣泛應用於深度學習，其原因僅僅是目前市面上還沒有更好的選擇。

與此同時，英特爾也宣布推出人工智慧專用晶片。

不過位置決定立場，英特爾扮演著追趕者的角色，因此自然不能公開表示「認可競爭對手的戰略」，從而為自己的發展尋求輿論空間。

當然，2016年英特爾也收購了一大堆人工智慧的創業公司，正在試圖將他們整合在一起。

對於英特爾採取的「招兵買馬」策略，黃仁勛也質疑道：

如果說至強融核(Xeon Phi)協處理器對於AI非常適用，那為什麼要收購Altera？既然買了Altera，Altera又非常適合AI的話，為什麼要買Nervada Systems？如果Nervada Systems才是真正的AI方面的技術，要進行開發和產品推出的話，那至強融核協處理器又怎麼辦？如果說這三個都適合AI，那是不是意味著至強融核協處理器就不適合AI呢？

對於黃仁勛的質疑，英特爾中國區總經理Rupal Shah則表示：

英特爾的戰略不僅僅定位在「深度學習」一個環節上，而是將整個人工智慧作為一個生態體系進行布局。

在收購Nervana之後，英特爾曾聲稱，機器學習是成長速度最快的AI應用，因此公司準備好了以Nervana的Engine晶片為基礎的深度學習神經網絡，找回因GPU競爭而流失的市占率。

有意思的是，英偉達和英特爾都在變成跟原來相反的樣子。

現在，英特爾的CPU旨在做更加通用的處理器，而英偉達的GPU則致力於在CPU的基礎上為了讓圖像呈現更好的效果。

總之，人工智慧被認為是下一次革命，還有廣闊的市場空間有待開拓。

就這個領域的晶片市場而言，只能說還處於前期戰役，英偉達暫時處於上風，未來鹿死誰手尚未可知。

說不準英特爾也會跑出一條新的賽道。

不過，英偉達在未來的一段時間還將占據優勢。

對於它來說，當務之急是抓住窗口期拓展更多的應用場景。

而對英特爾來說，能否在AI市場上取得成績，則取決於收購的技術能否整合併更好地開發下去。